數(shù)據(jù)挖掘與OLAP理論與實(shí)務(wù)

內(nèi)容摘要                  
 第1章  數(shù)據(jù)挖掘簡介                  
 1. l  什么是數(shù)據(jù)挖掘                  
 1. 2  新世紀(jì)的統(tǒng)計(jì)科學(xué)                  
 1. 3  數(shù)據(jù)挖掘是掌握商機(jī)的命脈                  
 1. 4  點(diǎn)式行銷                  
 1. 5  門戶同站的信息挖掘法                  
 1. 6  尿布與啤酒                  
 1. 7  千禧年新問題：不缺信息缺知識                  
 1. 8  為客戶量身定做                  
 1. 9  數(shù)據(jù)挖掘的數(shù)字物理學(xué)                  
                   
 第2章  數(shù)據(jù)倉庫簡介                  
 2. l  配備數(shù)據(jù)倉庫的產(chǎn)業(yè)優(yōu)勢                  
 2. 2  數(shù)據(jù)倉庫系統(tǒng)                  
 2. 3  數(shù)據(jù)倉庫的應(yīng)用                  
 2. 4  數(shù)據(jù)倉庫的定義                  
 2. 5  數(shù)據(jù)倉庫的類型                  
 2. 6  數(shù)據(jù)篩選. 過濾和轉(zhuǎn)換工具簡介                  
 2. 6. 1  ECT處理過程                  
 2. 6. 2  數(shù)據(jù)篩選. 過濾和轉(zhuǎn)換的工具類型                  
 2. 6. 3  3種工具類型的實(shí)例分析                  
 2. 7  傳統(tǒng)數(shù)據(jù)庫與數(shù)據(jù)倉庫的比較                  
 2. 8  多維數(shù)據(jù)倉庫中度量的建模                  
 2. 9  數(shù)據(jù)倉庫的決策支持工具                  
 2. 9. l  前言                  
 2. 9. 2  數(shù)據(jù)倉庫與決策支持系統(tǒng)                  
 2. 9. 3  決策支持工具分析比較                  
 2. 10  數(shù)據(jù)倉庫的多維數(shù)據(jù)模型                  
 2. 11  數(shù)據(jù)倉庫的執(zhí)行策略                  
 2. 11. l  數(shù)據(jù)市集                  
 2. 11. 2  元數(shù)據(jù)                  
 2. 11. 3  數(shù)據(jù)倉庫的執(zhí)行策略                  
 2. 11. 4  數(shù)據(jù)倉庫系統(tǒng)的結(jié)構(gòu)                  
 2. 11. 5  結(jié)束語                  
 2. 12  企業(yè)財(cái)務(wù)管理輔助決策                  
 2. 12. l  引言                  
 2. 12. 2  系統(tǒng)設(shè)計(jì)                  
 2. 12. 3  系統(tǒng)執(zhí)行                  
 2. 13  數(shù)據(jù)倉庫環(huán)境下面向知識的智能型查詢                  
 2. 13. l  引言                  
 2. 13. 2  KBIQ方法簡介                  
 2. 13. 3  類自然語言NQL                  
 2. 13. 4  領(lǐng)域模糊知識庫及KBDL語言                  
 2. 13. 5  KBIQ的特點(diǎn)及其執(zhí)行方式                  
 2. 14  數(shù)據(jù)倉庫技術(shù)研究和應(yīng)用                  
 2. 14. l  數(shù)據(jù)倉庫概述                  
 2. 14. 2  數(shù)據(jù)倉庫中的聯(lián)機(jī)分析處理                  
 2. 14. 3  數(shù)據(jù)挖掘                  
 2. 14. 4  電力系統(tǒng)數(shù)據(jù)倉庫建議方案                  
 2. 15  數(shù)據(jù)倉庫結(jié)構(gòu)說明                  
 2. 16  專業(yè)顧問對于企業(yè)創(chuàng)建數(shù)據(jù)倉庫的重要性                  
 2. 17  面向數(shù)據(jù)倉庫的GISOLAP及其應(yīng)用                  
 2. 17. l  引言                  
 2. 17. 2  數(shù)據(jù)倉庫的OLAP技術(shù)                  
 2. 17. 3  GIS與GIS的組件化                  
 2. 17. 4  GISOLAP                  
 2. 17. 5  GISOLAP在PSGIS中的應(yīng)用                  
 2. 17. 6  結(jié)論和意義                  
 2. 18  OLAP系統(tǒng)對面向查詢結(jié)構(gòu)的用戶瀏覽                  
 2. 18. 1  引言                  
 2. 18. 2  多維數(shù)據(jù)模型                  
 2. 18. 3  OLAP系統(tǒng)用戶查詢的結(jié)構(gòu)                  
 2. 18. 4  OLAP系統(tǒng)用戶瀏覽                  
 2. 18. 5  結(jié)束語                  
 2. 19  數(shù)據(jù)倉庫的未來                  
                   
 第3章  數(shù)據(jù)挖掘方法論                  
 3. 1  數(shù)據(jù)挖掘的基本方法及其與專家系統(tǒng)的差異                  
 3. 1. 1  數(shù)據(jù)挖掘的任務(wù)                  
 3. 1. 2  數(shù)據(jù)挖掘方法                  
 3. 1. 3  關(guān)聯(lián)規(guī)則挖掘舉例                  
 3. 1. 4  分類規(guī)則挖掘舉例                  
 3. 1. 5  數(shù)據(jù)挖掘與專家系統(tǒng)的區(qū)別                  
 3. 2  知識發(fā)現(xiàn)                  
 3. 2. l  數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)及領(lǐng)域知識在其中的功能                  
 3. 2. 2  KDD中規(guī)劃提取的收斂網(wǎng)絡(luò)方法及其應(yīng)用                  
 3. 2. 3  農(nóng)業(yè)專家系統(tǒng)中知識發(fā)現(xiàn)的遺傳算法                  
 3. 3  關(guān)聯(lián)規(guī)則                  
 3. 3. l  興趣度--關(guān)聯(lián)規(guī)則的又一個(gè)門限值                  
 3. 3. 2  數(shù)據(jù)庫中加權(quán)關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)                  
 3. 3. 3  挖掘所關(guān)注規(guī)則的多策略方法                  
 3. 4  粗糙集                  
 3. 4. 1  通過粗糙集理論的知識發(fā)現(xiàn)                  
 3. 4. 2  一種面向粗糙集的屬性化簡及其規(guī)則篩選方法                  
 3. 4. 3  一種面向粗糙集的數(shù)據(jù)過濾方法                  
 3. 4. 4  一種面向粗糙集的默認(rèn)規(guī)則挖掘算法                  
 3. 4. 5  RSL：面向粗糙集的表示語言                  
 3. 4. 6  面向粗糙集的"數(shù)據(jù)濃縮"                  
 3. 4. 7  粗糙集算子的決策規(guī)則及數(shù)據(jù)挖掘中的軟計(jì)算                  
 3. 5  運(yùn)用數(shù)據(jù)挖掘方法來構(gòu)造客戶的輪廓                  
                   
 第4章  數(shù)據(jù)挖掘核心技術(shù)                  
 4. 1  群集分析                  
 4. 1. 1  PCCS部分群集分類：一種快速的Web文件群集方法                  
 4. 1. 2  IR領(lǐng)域的文件群集研究                  
 4. 1. 3  PCCS部分群集分類法                  
 4. 1. 4  算法性能                  
 4. 1. 5  結(jié)論                  
 4. 2  遺傳算法                  
 4. 2. l  遺傳程序設(shè)計(jì)方法綜述                  
 4. 2. 2  理論. 技術(shù)和應(yīng)用                  
 4. 2. 3  結(jié)束語                  
                   
 第5章  聯(lián)機(jī)信息分析處理                  
 5. 1  數(shù)據(jù)倉庫前端用戶接日的概念說明 OLAP/Doata Mining                  
 5. 1. l  聯(lián)機(jī)分析處理                  
 5. 1. 2  數(shù)據(jù)挖掘                  
 5. 2  可視化數(shù)據(jù)挖掘技術(shù)及其應(yīng)用                  
 5. 2. l  引言                  
 5. 2. 2  方案設(shè)計(jì)                  
 5. 2. 3  軟件執(zhí)行及應(yīng)用                  
 5. 2. 4  結(jié)束語                  
 5. 3  時(shí)間序列數(shù)據(jù)塊的儲存與聚集計(jì)算                  
 5. 3. l  時(shí)序數(shù)據(jù)挖掘的意義及難點(diǎn)                  
 5. 3. 2  多維空間位置向量與一維串行互換                  
 5. 3. 3  數(shù)據(jù)塊的儲存方案                  
 5. 3. 4  聚集計(jì)算                  
 5. 3. 5  測試                  
 5. 4  OLAP研究及其在現(xiàn)代企業(yè)中的應(yīng)用                  
 5. 4. l  引言                  
 5. 4. 2  從OLTP 到 OLAP                  
 5. 4. 3  OLAP在現(xiàn)代企業(yè)中的應(yīng)用                  
 5. 4. 4  結(jié)束語                  
 5. 5 一種面向企業(yè)資源規(guī)劃的OLAP的執(zhí)行方法                  
 5. 5. l  引言                  
 5. 5. 2  MOLAP ADT的儲存結(jié)構(gòu)                  
 5. 5. 3  MOLAP ADT多維查詢的執(zhí)行算法                  
 5. 5. 4  結(jié)束語                  
                   
 第6章  DM與 CRM工具軟件                  
 6. 1  ERM                  
 6. 1. 1  什么是ERM                  
 6. l. 2  為什么要引入ERM                  
 6. l. 3  ERM給予企業(yè)什么回報(bào)                  
 6. 2  哪些企業(yè)需要CRM                  
 6. 3  企業(yè)綜合與轉(zhuǎn)型：IBM WebSphere產(chǎn)品系列                  
 6. 3. 1  WebSphere解決方案介紹                  
 6. 3. 2  發(fā)掘信息寶藏：IBM DB2信息管理產(chǎn)品系列                  
 6. 3. 3  DB2信息管理解決方案產(chǎn)品介紹                  
 6. 4  數(shù)據(jù)倉庫與挖掘系統(tǒng)DBMiner的成功與不足                  
 6. 4. 1  DBMiner的安裝                  
 6. 4. 2  建立數(shù)據(jù)倉庫和多維數(shù)據(jù)庫                  
 6. 4. 3  數(shù)據(jù)倉庫可視化瀏覽和查詢                  
 6. 4. 4  挖掘各種類型的知識                  
 6. 4. 5  數(shù)據(jù)挖掘語言                  
 6. 4. 6  DBMiner的成功之處與特色                  
 6. 4. 7  DBMiner目前版本的不足                  
 6. 5  多策略通用數(shù)據(jù)挖掘工具M(jìn)S Miner                  
 6. 5. l  引言                  
 6. 5. 2  數(shù)據(jù)倉庫                  
 6. 5. 3  綜合工具                  
 6. 5. 4  元數(shù)據(jù)                  
 6. 5. 5  結(jié)束語                  
 6. 6  NBA球場決策利器：IBM數(shù)據(jù)挖掘軟件                  
 6. 7  企業(yè)建立客服中心及CRM軟件                  
                   
 第7章  21世紀(jì)的數(shù)據(jù)挖掘                  
 7. l  聯(lián)機(jī)文本挖掘                  
 7. 2  電子商務(wù)與網(wǎng)絡(luò)數(shù)據(jù)挖掘                  
 7. 2. 1  引言                  
 7. 2. 2  電子商務(wù)中進(jìn)行Web數(shù)據(jù)挖掘的數(shù)據(jù)來源                  
 7. 2. 3  電子商務(wù)中應(yīng)用的數(shù)據(jù)挖掘技術(shù)                  
 7. 2. 4  在電子商務(wù)活動中的幾點(diǎn)應(yīng)用                  
 7. 2. 5  結(jié)論                  
 7. 3  WWW上的信息挖掘技術(shù)及執(zhí)行                  
 7. 3. 1  WWW上的信息挖掘                  
 7. 3. 2  實(shí)例系統(tǒng)的設(shè)計(jì)與執(zhí)行                  
 7. 3. 3  結(jié)束語                  
 7. 4  如何精選挖掘文字的技巧                  
 7. 4. l  挖掘非結(jié)構(gòu)性數(shù)據(jù)                  
 7. 4. 2  群集技術(shù)                  
 7. 4. 3  目錄分類                  
 7. 4. 4  數(shù)據(jù)檢索                  
 7. 4. 5  電子郵件的應(yīng)用                  
 7. 4. 6  文字挖掘的全球使用                  
 7. 5  網(wǎng)絡(luò)文本挖掘技術(shù)                  
 7. 5. 1  引言                  
 7. 5. 2  Web挖掘與Web信息檢索                  
 7. 5. 3  Web挖掘的任務(wù)                  
 7. 5. 4  Web文本挖掘方法                  
 7. 5. 5  Web文本挖掘系統(tǒng)原型WebMiner                  
 7. 5. 6  結(jié)束語                  
 7. 6  網(wǎng)絡(luò)挖掘                  
 7. 6. 1  引言                  
 7. 6. 2  Web挖掘的分類                  
 7. 6. 3  Web結(jié)構(gòu)挖掘                  
 7. 6. 4  Web使用記錄的挖掘                  
 7. 6. 5  多層次Web數(shù)據(jù)倉庫的建立與操作：MLDB與 WEBML                  
 7. 6. 6  結(jié)束語                  
 7. 7  數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)上的應(yīng)用及其工具設(shè)計(jì)                  
 7. 7. l  數(shù)據(jù)挖掘技術(shù)介紹                  
 7. 7. 2  Wed上的數(shù)據(jù)挖掘                  
 7. 7. 3  Web上的數(shù)據(jù)挖掘的執(zhí)行和工具                  
 7. 7. 4  結(jié)論                  
 7. 8  網(wǎng)絡(luò)日志序列模式挖掘                  
 7. 8. l  引言                  
 7. 8. 2  項(xiàng)目背景及相關(guān)工作                  
 7. 8. 3  疑難及解決方案                  
 7. 8. 4  SPMiner的設(shè)計(jì)                  
 7. 8. 5  結(jié)論                  
 7. 9  路徑群集：在網(wǎng)站中的知識發(fā)現(xiàn)                  
 7. 9. l  引言                  
 7. 9. 2  識別客戶查找業(yè)務(wù)                  
 7. 9. 3  實(shí)驗(yàn)                  
 7. 9. 4  結(jié)論和將來的工作                  
 7. 10  走向全球化的"商業(yè)智能"                  
 7. 11  數(shù)據(jù)挖掘九大注意事項(xiàng)                  
 附錄  專有名詞對照表